Small Data frente a Big Data: de vuelta a lo básico

Fuente: https://www.bbvaopenmind.com/small-data-frente-a-big-data-de-vuelta-a-lo-basico/

 

Small Data es un conjunto de datos con un volumen y un formato que hacen que los datos sean accesibles, informativos y procesables.

El Grupo Small Data da la siguiente explicación:

El Small Data o las bases de datos pequeñas conectan a las personas con perspectivas oportunas y reveladoras (derivadas del Big Data o de fuentes “locales”), organizadas y empaquetadas, a menudo visualmente, de forma que son accesibles, entendibles y procesables en las tareas de cada día.

Esta definición es aplicable a los datos que tenemos, así como a las aplicaciones de usuario final y a los bancos de trabajo de los analistas para convertir los conjuntos de Big Data en conjuntos de datos procesables. Las palabras clave de “acción” son conectarorganizar empaquetar y el “valor” estriba en hacer que las perspectivas estén disponibles para todos (accesibles), sean fáciles de aplicar (entendibles) y se centren en la tarea en cuestión (procesables).

bbva-openmind-banafa-big-data-basics

El término Small Data contrasta con el de Big Data, que normalmente hace referencia a una combinación de datos estructurados y no estructurados que se pueden medir en petabytes o exabytes. A menudo se dice que el Big Data se caracteriza por las 3 uves: el volumen de datos, la variedad de los tipos de datos y la velocidad a la que se procesan, la combinación de todo lo cual hace que el Big Data sea muy difícil de manejar. En cambio, el Small Data se compone de porciones utilizables.

La idea del Big Data es convincente: ¿quiere descubrir patrones ocultos acerca del comportamiento de los clientes, predecir la siguiente elección o ver dónde se debe centrar el gasto en publicidad? Hay una aplicación para ello. Y, si prestamos atención a los entendidos, tenemos que decir a nuestros hijos que se conviertan en científicos de datos, pues todas las empresas necesitarán contratar todo un ejército de profesionales para sobrevivir a la siguiente oleada de cambio digital.

Pero todo el vapor que arroja la máquina de moda del Big Data parece oscurecer nuestra visión del panorama general: en muchos casos el Big Data resulta excesivo. Y en la mayoría de los casos solo es útil si los que no somos científicos de datos podemos hacer algo con ello en nuestro trabajo diario: aquí es donde entra en juego el Small Data.

En esencia, la idea del Small Data es que las empresas pueden obtener resultados procesables sin tener que adquirir los tipos de sistemas que habitualmente se utilizan en el análisis del Big Data. Una empresa podría invertir en un lote completo de almacenamiento en servidores y utilizar máquinas de análisis avanzadas y aplicaciones de minería de datos para examinar una red de multitud de bits de datos, incluidas las fechas y las horas de actuación de los usuarios, información demográfica, etc. Todo esto podría canalizarse en un almacén de datos central, donde algoritmos complejos ordenan y procesan los datos para mostrarlos en informes detallados. Aunque las empresas se han beneficiado de este tipo de procesos de muchas maneras, muchas empresas consideran que estas mediciones requieren muchísimo esfuerzo y, en algunos casos, se pueden conseguir resultados similares con estrategias de minería de datos mucho menos robustas.

Small Data es una de las formas en que las empresas retroceden y se desentienden ahora de una especie de obsesión por las últimas y más novedosas tecnologías que apoyan procesos empresariales más sofisticados. Los que promueven el Small Data sostienen que es importante que las empresas utilicen sus recursos de manera eficiente y evitar gastar en exceso en ciertos tipos de tecnologías.

¿Por qué utilizar Small Data?

  • El análisis Big Data es difícil: hacerlo a escala y esperar a que se manifiesten los beneficios puede llevar tiempo. Por no hablar del hecho de que la mayoría de los profesionales de marketing y los estrategas de Internet no necesitan los datos completos del Big Data para enfocar sus campañas ni para ofrecer experiencias personalizadas.
  • El análisis Small Data está a nuestro alrededor: los canales sociales disponen de gran abundancia de Small Data, datos ya listos que se pueden recoger y que proporcionan información para tomar decisiones de marketing y de compra. A nivel personal creamos constantemente pequeños conjuntos de datos cada vez que nos registramos, hacemos una búsqueda, navegamos, publicamos algo, etc., creando así una firma única que deja entrever nuestro estado físico y digital.
  • El análisis Small Data forma el nuevo núcleo de CRM : CRM social que se utiliza para crear un panorama completo de los clientes, sus segmentos, las personas influyentes e incluso los competidores: tenemos que combinar las perspectivas de los canales sociales y las campañas con el análisis Web y los datos transaccionales. El Small Data es la clave para crear estos ricos perfiles que formarán la parte central de las nuevas soluciones CRM.
  • ROI: al hacer hincapié en la recta final del Big Data se pueden aprovechar las inversiones en el Small Data (10.000 millones de dólares y subiendo, según el IDC, gastados en sistemas de entrada, herramientas y servicios).
  • El marketing basado en los datos es la nueva ola: el marketing basado en el Big (y en el Small) Data tiene el potencial de revolucionar la forma en que las empresas interactúan con los clientes, de transformar la forma en que los clientes acceden y consumen (e incluso llevan) datos útiles y, en última instancia, de redefinir la relación entre compradores y vendedores.
  • Los ejemplos relacionados con el consumo son abundantes: los consumidores han visto el potencial del Small Data para optimizar sus compras, potenciar su rutina de actividad física o hacer recomendaciones sobre el mejor precio para su próximo vuelo. Los dispositivos basados en datos más inteligentes y portátiles que están en camino prometen que habrá una mayor demanda de dispositivos de datos configurados y de entrega de datos que se “ajusten” a las necesidades de los consumidores cotidianos.
  • Los vendedores de plataformas y herramientas comienzan a prestar atención: la promesa de hacer que el análisis Big Data sea operativo y de “convertir las ideas en acción” es una señal importante que están lanzando grandes nombres del mundo de la tecnología como SAP, Oracle y EMC.
  • Concierne al usuario final: el Small Data trata del usuario final, de lo que necesitan los usuarios finales y de cómo pueden actuar. Si nos centramos primero en el usuario, muchas de nuestras decisiones tecnológicas se tornan más claras.
  • Sencillo: Small Data son los datos adecuados, parte del Small Data se iniciará como Big Data, pero no deberíamos necesitar un científico de datos para entenderlos o para aplicarlos a las tareas diarias, así de sencillo.

El futuro del Small Data

Rufus Pollock, de la Open Knowledge Foundation, dice que el bombo que se le ha dado al Big Data está equivocado, son los pequeños conjuntos de datos, los datos vinculados los que realmente tienen valor.

Los debates en torno al Big Data pierden un panorama mucho mayor y más importante: la oportunidad real no está en el Big Data sino en el Small Data. No en el “gran sistema” centralizado, sino en la discusión de los datos descentralizados. No en “un anillo que lo gobierne todo” sino en las “pequeñas piezas ligeramente unidas”.

La verdadera revolución es la democratización de los medios de acceso, almacenamiento y procesamiento de datos, no se trata de que las grandes organizaciones estén ejecutando software en paralelo en decenas de miles de servidores, sino de haya más personas que nunca que puedan colaborar de forma eficaz en torno a un ecosistema de información distribuido, un ecosistema de Small Data.

Los pequeños conjuntos de datos son suficientes para resolver muchos problemas y responder a muchas preguntas. Los datos del consumo energético de mi hogar, los horarios de los autobuses locales, el gasto del gobierno: todos esos son pequeños conjuntos de datos. Todo lo que se procesa en Excel es un pequeño conjunto de datos. Y si queremos aumentar la escala, la forma de hacerlo es convertir en componentes los pequeños conjuntos de datos: creando e integrando “paquetes” pequeños de datos, no creando enormes monolitos de datos, dividiendo los problemas de forma que funcione entre las personas y las organizaciones, no creando enormes silos centralizados.

La próxima década será la de los modelos distribuidos, no la de los modelos centralizados, la de la colaboración, no la del control, la del Small Data, no la del Big Data.

 

Estadística curiosa: Los 8 apellidos vascos más comunes

Gabilondo, Urdangarin, Zubizarreta, Arguiñano, Igartiburu, Erentxun, Otegi y Clemente. A Rafa (Dani Rovira) le costó citar de carrerilla, sobre todo el último, los ocho apellidos vascos con los que intentaba convencer a su futuro suegro de su ADN.

Es una de las escenas más hilarantes de la exitosa película de Emilio Martínez Lázaro y que tanto debate, pero sobre todo elogios y espectadores, ha generado.

Curiosamente y según las últimas estadísticas publicadas por el INE sobre apellidos por provincia de nacimiento, los ocho apellidos más numerosos en Euskadi son:

  • García
  • González
  • Fernández
  • Rodríguez
  • Pérez
  • López
  • Martínez y
  • Sánchez

Hay algunos como Arguiñano, Igartiburu o Erentxun que no aparecen entre los 5.000 primeros en ninguna de las tres provincias del País Vasco.

Gabilondo ocupa el puesto número 33 en Álava, el 2.276 en Vizcaya y el 117 en Guipuzcoa. En total hay 2.030 Gabilondos.

Urdangarín hay 16 en Álava, ninguno en el ranking de Vizcaya y 468 en Guipuzcoa.

Zubizarreta también aparece en la clasificación del INE, pero bastante abajo: En Álava en el puesto 326, en el 325 en Vizcaya y en el 51 en Guizpuzcoa.

En todo el País Vasco sólo hay 323 personas que se apellidan Otegi.

Mientras que Clemente, el mítico entrenador que se le vino a la cabeza al protagonista de la película, es el apellido de 474 vascos, aunque en ninguna provincia está entre los 500 primeros.

El ranking lo encabeza García y no sólo en el País Vasco porque es el primer apellido más frecuente en España: según el Instituto Nacional de Estadística lo llevan 1.482.036 personas. Concretamente hay 5.474 en Álava; 26.386 en Vizcaya y 10.685 en Guipuzcoa.

Luego se intercalan los Fernández, González, Rodríguez, Martínez, López, Pérez y Sánchez

Consumo: 8 claves comunes en las marcas de éxito

1. Credenciales y Expertise

El know-how es un factor higiénico básico para cualquier marca que quiera ser irresistible ya que otorga credibilidad a la marca, es una demostración que la marca sabe lo que hace y trabaja a nivel consciente, argumental. El know-how puede tener diferentes formas en función de la categoría. Por ejemplo, Bang & Olufsen es reconocida por la excelencia de sus productos. A Nike se le atribuye este valor a partir del tipo de sponsorización a estrellas deportivas.

 2. Vitalidad de la marca

Para ser irresistible, una marca tiene que evolucionar constantemente para mantener a los consumidores interesados y comprometidos. Coca-Cola ha logrado mantener su Momentum durante más de un siglo. Samsung ha creado recientemente su Momentum en el segmento de electrónica de consumo con fuertes innovaciones. La percepción del Momentum de una marca es clave para cubrir la base de la irresistibilidad.

3. Relevante y reconocible

Las marcas irresistibles necesitan un aspecto diferencial que realmente importe a los consumidores, que se transmita en todos los aspectos de la marca. Dove es un claro ejemplo: ha logrado un posicionamiento de marca diferenciado en torno a un insight altamente relevante para su target: la “Belleza Real”

4. El significado y el sentido de una marca

La emoción otorga a las marcas irresistibles un significado y un propósito único a los ojos de sus consumidores. Las marcas de moda y de automóviles son claros ejemplos, pero piensa también en Vodafone y Gillette, por ejemplo, que tocan las emociones instintivas de conexión y masculinidad respectivamente.

 5. El lenguaje de la emoción

Las marcas irresistibles generan significados simbólicos en todos sus elementos: desde el diseño del producto o el pack, hasta el tono de voz, la música, el logo, el servicio y el punto de venta. Todas las marcas envían mensajes a través de su simbolismo pero las marcas irresistibles gestionan el simbolismo para evocar emociones particulares. Determinar el lenguaje de una marca es clave.

6. Conexión emocional

Las marcas irresistibles tienen un alto Nexus porque construyen conexiones fuertes desde las emociones hasta las necesidades funcionales. La marca de cuidado para la piel Simple, que tiene una personalidad amable y tierna, lo transmite con un atributo funcional “para piel sensible” y una identidad social “para todo el mundo”.

7. Consistencia en todos los puntos de contacto

El gran reto para una marca es alinear el look, el mensaje y la emoción en todos los puntos de contacto. Las marcas que lo hacen, aumentan su irresistibilidad. Audi por ejemplo, es una marca irresistible que mantiene su promesa de marca fuertemente inalterable en todos los puntos de contacto con la marca.

8. Arquitectura de marca cohesionada

 Las marcas irresistibles pueden incorporar con éxito marcas madres, sub-marcas y variedades en distintas formas, manteniendo la unidad intrínseca en la arquitectura de marca. Johnnie Walker ha mantenido la unidad en su arquitectura de marca con una serie de variedades de producto diferenciadas en todos los niveles de precio.

El Índice de Confianza del Consumidor

La confianza del consumidor es un indicador económico que intenta medir el sentimiento que tienen los consumidores respecto a la situación económica y a su situación económica individual.

 El grado de optimismo ante la situación económica y grado de seguridad respecto a sus ingresos, es clave en el gasto del consumidor, es decir, es clave en el consumo, una de las actividades clave de la economía. De forma general, una confianza del consumidor alta propulsará la expansión económica al estar gastando más y no reteniendo el dinero y recursos. Por el contrario, una confianza del consumidor baja se tenderá más al ahorro que al gasto lo que quita dinamismo económica y provoca contracción del crecimiento económico. Un tendencia a la baja continuada de la confianza del consumidor es indicativo de un sentimiento negativo y generalizado de la situación económica, por ejemplo, si los consumidores en general sienten que es díficil encontrar y mantener un empleo en la situación económica actual, su confianza bajará y descenderá el gasto frenando el crecimiento económico.

 Utilidad de la Confianza del Consumidor como indicador económico

 La confianza del consumidor, afecta a la situación económica global del país. Por ello, es de utilidad para la planificación de producción y otras operaciones de empresas o para la preparación de políticas fiscales de los gobiernos.

 Por ejemplo, si se espera que la confianza del consumidor caiga, estos reducirán el volumen de compras y gastos y las empresas y productores pueden planificar una bajada en el nivel de producción. Esta caída es especialmente sensible en productos caros y duraderos como pueden ser bienes inmobiliarios y del sector automovilístico. Por tanto, ante esta situación las constructoras probablemente bajarán el ritmo de construcción, los bancos reducirán la concesión de préstamos, hipotecas y tarjetas de crédito y los gobiernos se prepararán para recibir menos ingresos por los impuestos directos de compras como el IVA.

 Por el contrario, si la confianza del consumidor está registrando una mejora sostenida, consecuentemente aumentará el gasto en bienes y servicios. Las empresas aumentarán la producción e inventarios así como las plantillas (creación de empleo directo e indirecto), los bancos realizarán más operaciones de crédito y los gobiernos dispondrán de más ingresos para disponer en gasto público e inversiones gubernamentales.

Fases en el proceso de investigación de mercados

Formulación del problema a investigar.- Previamente debemos haber identificado el problema, lo que habrá dado origen a una necesidad de información derivada de la necesidad de solucionar una situación real, de valorar una oportunidad o evaluar una estrategia adoptada. La formulación consiste en definir el problema de una forma precisa, y para ello determinaremos, también con precisión, tanto los objetivos de la investigación como cuáles son las hipótesis que dicha investigación debe resolver.

imagen

Diseño de la investigación.- Consiste en construir un esquema básico en función del cual se desarrollará el resto de fases. Se debe decidir qué fuentes de información se utilizarán (secundarias o primarias). En caso de recurrir a fuentes primarias de información habrá que seleccionar qué tipo de investigación se va a llevar a cabo, cuál será el método de obtención de información y el tamaño de muestra de la población sobre la que se va a realizar la investigación.

Obtención de la información.- En esta fase se recopilará la información ya existente o se aplicarán los instrumentos de obtención de información elegidos sobre la muestra de individuos seleccionada. Esta fase comprende además la supervisión del trabajo de campo y la depuración o análisis de coherencia de la información obtenida.

Análisis de información e interpretación de resultados.- Se procesarán los datos obtenidos a través de un plan de análisis establecido con el objetivo de resumir de forma concisa y fiel la información, de forma que nos ayude a entender mejor el problema. Las técnicas estadísticas se deben elegir en función de los objetivos de la investigación y del tipo de información de que se disponga.

Informe de resultados y conclusiones.- A partir de los análisis efectuados y teniendo en cuenta los objetivos de la investigación, se elaborará un informe con los principales resultados obtenidos.

Las diferentes fases de una investigación de mercados son consecutivas y están interrelacionadas, independientemente de que sean anteriores o posteriores.

Todas las fases del proceso de investigación de marketing son igual de importantes: un error en cualquiera de ellas implica que los resultados de la investigación no se ajusten a la realidad.

Estudios con panel de encuestados

Los estudios PANEL  son un tipo de investigación social de carácter longitudinal es decir aquellos en los que se investiga a un grupo de personas, las mismas, a lo largo del tiempo.

 Las encuestas de opinión de tipo panel y en general todo tipo de encuesta longitudinal son aquellas encuestas en las que se realiza un seguimiento sobre una misma muestra a lo largo del tiempo. Las mediciones deberán ser sucesivas y preferentemente a intervalos regulares.

 El objetivo de las encuestas de tipo panel es conocer las variaciones en los individuos investigados en diferentes aspectos: laborales, hábitos de vida, educación, ingreso, etc.

Se emplean en diversos tipos de estudio como pueden ser hábitos de compra, estilos de vida o cualquier tipo de investigacion de mercado para seguir las variaciones o evolución  de ciertos segmentos de consumidores y en algún caso en opinión pública.

 La unidad de análisis puede ser tanto individuos como, por ejemplo, hogares.

 La principal desventaja de la encuesta panel y los estudios longitudinales es que requieren que el proyecto de investigación perdure a lo largo un periodo de tiempo con lo que el costo puede ser superior a una investigación tradicional.

7 pasos para llevar a cabo una Investigación de Mercados

 1. Identificación del problema:

Es decir, que quiero saber con mi investigación.

 Ejemplo:

– ¿Quién es mi publico objetivo?,

– ¿Cuál es la viabilidad de mi producto o servicio en el mercado?

– ¿Quiénes son los competidores?

2. Planteamiento de objetivo:

Las preguntas anteriores se convierten en acciones.

Ejemplo:

– Definir el segmento de mercado al que quiero llegar.

– Conocer la viabilidad de mi producto o servicio en el mercado

– Identificar a la competencia.

3. Determinar grupo de estudio:

A qué grupo en específico se enfoca el estudio a realizar. Es necesario conocer datos como: características generales: variaciones demográficas, condiciones económicas; tamaño, hábitos, ubicación.

Ejemplo:

– Se estudiara una muestra, (una parte representativa del universo objeto de estudio), que consta de: Todos las personas que tienen un vehiculo de gama alta.

4. Elegir fuentes de información:

Recurriendo a los recursos que me darán los datos de mi interés.

 Ejemplo:

– Fuente secundaria: Consulta de estadísticas en Internet sobre usuarios de coches de gama alta.

 5. Selección de herramientas e instrumentos para recabar datos:

Una vez que se conocen los objetivos y las fuentes que me darán los datos de mi investigación, y el grupo de estudio. Se selecciona las herramientas a utilizar, pueden ser cuestionarios, hojas de registro de la información recabada.

6. Análisis de los datos:

En el momento de interpretar los datos conseguidos. Se sugiere el uso de tablas comparativas, gráficos, códigos para facilitar la interpretación y agrupación de datos.

7. Organización de resultados y conclusiones:

Aquí se encuentran los aspectos más importantes de tu estudio. Las respuestas a tus preguntas iníciales y la correspondencia entre cada uno de los objetivos que se plantearon en un inicio y la información que se obtuvo. Obtén conclusiones de tus comparaciones, y observa tendencias en las estadísticas.

Txema Iparraguirre

http://es.linkedin.com/in/txemaiparra